0% Complete
English
Toggle main menu visibility
صفحه اصلی
کنفرانسهای فعال
مدیریت منابع انسانی پایدار
حسابداری
بازاریابی و برندینگ در عصر هوش مصنوعی
هوش مصنوعی:نوآوری، کسبوکار و آموزش
ارشیو کنفرانسها
اولین کنفرانس ملی هوش مصنوعی
دومین کنفرانس ملی هوش مصنوعی
اولین کنگره ملی حسابداری، مالی و مالیاتی
32کنفرانس بین المللی زیست پزشکی
راهنمای شرکت
نحوه ثبتنام
ثبت نام مدیریت منابع انسانی پایدار
ثبت نام دومین کنگره ملی حسابداری
ثبت نام سومین کنفرانس ملی هوش مصنوعی
ثیت نام بازاریابی و برندینگ در عصر هوش مصنوعی
ثبت نام زنجیره ارزش نفت گاز و پتروشیمی
ارسال مقاله
فرمت مقالات مدیریت منابع انسانی پایدار
فرمت مقالات سیستم های هوشمند حسابداری
فرمت مقالات ملی بازاریابی و برندینگ در عصر هوش مصنوعی
فرمت مقالات سومین کنفرانس هوش مصنوعی
سوالات متداول
اخبار و رویدادها
درباره ما
تماس با ما
صفحه اصلی
/
دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی
Implementation of advanced machine learning on synthetic data for estimation of SOH and degradation of lithium ion batteries.
نویسندگان :
Abolfazl Moghaddam
1
Shadi Habibi
2
Behnam Ghalami Choobar
3
1- University of Guilan
2- University of Guilan
3- University of Guilan
کلمات کلیدی :
SOH estimation،Lithium loss،degradation modes،machine learning،SVR
چکیده :
Lithium ion batteries have become one of the most important energy storage technologies due to their high energy density, adequate cycle life, and broad industrial applications. Given the critical need for precise monitoring of their state of health (SOH) to optimize both performance and safety, accurate estimation of battery health and the underlying causes of capacity fade is of dominant importance. In this study, using a synthetic database, we propose a comprehensive framework for estimating SOH and its respective degradation modes based on differential voltage and incremental capacity curves. Statistical analysis of the extracted features was conducted to implement support vector machine (SVM) and gradient boosting models for the estimation of SOH and the LLI, LAMPE, and LAMNE degradation modes. The results demonstrated that the SVM model outperformed the gradient boosting model, achieving R values of 0.97, 0.96, 0.94 and 0.99 for the LLI, LAMPE, and LAMNE degradation modes and SOH estimation, respectively.
لیست مقالات
لیست مقالات بایگانی شده
ارائه مدلی برای کاربرد قابلیت های پویا در برندسازی هنر -صنعت فرش دستبافت ایران: رویکردی آمیخته
پریسا عابدی - علی وندشعاری - حسین بوداقی خواجه نوبر - نسرین راضی
حسابداری توسعه پایدار با رویکرد اقتصاد هوشمند
مهدی زینالی - علیرضا صابر - رامین فتح الله زاده دیزجی - احمد حسن پور
پیشبینی سود با استفاده از هوش مصنوعی
الهه هادی زاده
ECG-Based Detection of Acute Myocardial Infarction Using a Wrist-Worn Device: a Machine Learning Approach
Tania Hossein Khani - Amir hossein Tajarrod - Asghar Zarei - Mousa Shamsi
پیشبینی وقوع سکته مغزی با استفاده از دادههای پروندههای الکترونیکی مراقبتهای بهداشتی بیماران و شبکههای عصبی
عارفه یعقوبی - افشین ابراهیمی - پیوند قادریان
چالشها و فرصتهای هوش مصنوعی
بهزاد بالازاده - حسین بوداقی - مرتضی محمود زاده
یشبینی فرار مالیاتی مؤدیان حقوقی با تاکید بر مولفههای اقتصادی، مؤدیان و حسابرسان مالیاتی؛ با تکیه بر هوش مصنوعی
حسین بوذری
توسعه پوشش چند جزئی بر پایه لیگنین و نانوذرات اکسید سریم بر سطح آلیاژ AZ91 برای استفاده در ایمپلنتهای فلزی
هستی عزیزی لمجیری - زهرا قاسمی - مهشید خرازیها
کاربرد هوش مصنوعی در حسابداری
پریسا عابدی - حسین بوداقی خواجه نوبر
A Comprehensive Review of Deep Learning Integration in Recommender Systems: Taxonomy, Challenges, and Future Directions
Saba Kheirkhah Kheirabadi - Dr. Azita Shirazipour - Dr.Seyed Javad Mirabedini
بیشتر
19 اردیبهشت 1405
راهنمای انتخاب کنفرانس معتبر برای چاپ مقاله علمی
19 اردیبهشت 1405
چرا شرکت در کنفرانسهای علمی برای مصاحبه دکتری اهمیت دارد؟
21 اردیبهشت 1405
پذیرش سریع مقاله در کنفرانسهای علمی مهندسی و فناوری آغاز شد
21 اردیبهشت 1405
آغاز ثبتنام در همایشهای بینالمللی مدیریت و حسابداری
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 43.6.0